???global.info.a_carregar???
Bruno Silva graduated in 2021 with an M.Sc. degree in Industrial Electronics and Computers Engineering by the University of Minho (UM, Portugal). His master’s thesis was related with the automatic quantification of Pectus Excavatum depression using medical images and artificial intelligence (AI), which led to the publication of 1 article in a peer-reviewed journal (IEEE Journal of Biomedical and Health Informatics). In 2021, he joined the PhD programme in Health Sciences at the University of Minho (Portugal). Since 2019, Bruno Silva is a researcher at the Life and Health Sciences Research Institute (ICVS), School of Medicine, UM. His work is mainly focused on the development of computer-assisted systems using medical imaging and AI to support clinicians. Current work involves creating software for tracking and segmenting anatomical landmarks in laparoscopic surgeries, providing surgeons with valuable feedback to enhance their capabilities and efficiency.
Ler resumo completo ↓
Identificação

Identificação pessoal

Nome completo
Bruno André Pires da Silva

Nomes de citação

  • Silva, Bruno

Identificadores de autor

Ciência ID
851E-29A3-3588
ORCID iD
0000-0002-0314-9703

Domínios de atuação

  • Ciências da Engenharia e Tecnologias - Engenharia Eletrotécnica, Eletrónica e Informática
  • Ciências da Engenharia e Tecnologias - Engenharia Médica
  • Ciências Médicas e da Saúde - Medicina Clínica - Cirurgia

Idiomas

Idioma Conversação Leitura Escrita Compreensão Peer-review
Português (Idioma materno)
Inglês Utilizador independente (B1) Utilizador proficiente (C1) Utilizador proficiente (C1) Utilizador proficiente (C1)
Formação
Grau Classificação
2021/09/16 - 2025/09/16
Em curso
 Health Sciences (Doutoramento)
Especialização em Ciências da Saúde
Universidade do Minho Escola de Ciências da Saúde, Portugal
"Semantic Segmentation of Tissues and Anatomical Structures of 3D Laparoscopic Videos Using Deep Learning" (TESE/DISSERTAÇÃO)
2015/09/07 - 2021/03/07
Concluído
 Engenharia Eletrónica Industrial e Computadores (Mestrado integrado)
Especialização em Eletrotecnia e Sistemas de Energia, Sistemas Embebidos e Computadores, Automação Controlo e Robótica
Universidade do Minho Escola de Engenharia, Portugal
"Automatic quantitative assessment of Pectus Excavatum severity using CT images and deep learning" (TESE/DISSERTAÇÃO)
 14
Percurso profissional

Outros

Categoria Profissional
Instituição de acolhimento 		Empregador
2021/09/16 - Atual PhD Student / Researcher Karl Storz GmbH & Co KG, Alemanha
Universidade do Minho Instituto de Investigação em Ciências da Vida e Saúde, Portugal
Produções

Publicações

Artigo em conferência
  1. Fernández-Rodríguez, Marcos; Silva, Bruno; Queirós, Sandro; Torres, Helena R.; Oliveira, Bruno; Morais, Pedro; Buschle, L.R; et al. "Exploring optical flow inclusion into nnU-Net framework for surgical instrument segmentation". Trabalho apresentado em SPIE 2024 Medical Imaging, San Diego, 2024.
    Aceite para publicação
  2. Silva, Bruno; Queirós, Sandro; Fernández-Rodríguez, Marcos; Oliveira, Bruno; Torres, Helena R.; Morais, Pedro; Buschle, L.R; et al. "Evaluating unsupervised optical flow for keypoint tracking in laparoscopic videos". Trabalho apresentado em SPIE Medical Imaging, San Diego, 2024.
    Aceite para publicação
  3. Silva, Bruno; Oliveira, Bruno; Morais, Pedro; Buschle, L.R; Correia-Pinto, Jorge; Lima, Estevao; Vilaca, Joao L. "Analysis of Current Deep Learning Networks for Semantic Segmentation of Anatomical Structures in Laparoscopic Surgery". Trabalho apresentado em IEEE Engineering in Medicine and Biology Society, 2022.
    Publicado • 10.1109/EMBC48229.2022.9871583
Artigo em revista
  1. Joao Cartucho; Alistair Weld; Samyakh Tukra; Haozheng Xu; Hiroki Matsuzaki; Taiyo Ishikawa; Minjun Kwon; et al. "SurgT challenge: Benchmark of soft-tissue trackers for robotic surgery". Medical Image Analysis (2024): http://dx.doi.org/10.1016/j.media.2023.102985.
    10.1016/j.media.2023.102985
  2. Silva, Bruno; Pessanha, Ines; Correia-Pinto, Jorge; Fonseca, Jaime C.; Queirós, Sandro. "Automatic Assessment of Pectus Excavatum Severity From CT Images Using Deep Learning". IEEE Journal of Biomedical and Health Informatics 26 1 (2022): 324-333. http://dx.doi.org/10.1109/jbhi.2021.3090966.
    Publicado • 10.1109/jbhi.2021.3090966